cmadon/downsampled_dataset

---
dataset_info:
features:
- name: repo_name
dtype: string
- name: path
dtype: string
- name: copies
dtype: string
- name: size
dtype: string
- name: content
dtype: string
- name: license
dtype: string
splits:
- name: train
num_bytes: 130556998.1704905
num_examples: 10000
- name: test
num_bytes: 13055699.81704905
num_examples: 1000
download_size: 53736982
dataset_size: 143612697.98753956
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• repo_name: 字符串类型
• path: 字符串类型
• copies: 字符串类型
• size: 字符串类型
• content: 字符串类型
• license: 字符串类型

数据分割

• train:
  • 字节数: 130556998.1704905
  • 样本数: 10000
• test:
  • 字节数: 13055699.81704905
  • 样本数: 1000

数据大小

• 下载大小: 53736982
• 数据集大小: 143612697.98753956

配置

• default:
  • 数据文件:
    • train: data/train-*
    • test: data/test-*